Apache SkyWalking 对 Spring WebFlux WebClient 6.x/HttpExchange 的支持解析
随着 Spring Boot 3.x 版本的发布,Spring 框架也升级到了 6.x 版本。在这个版本中,HttpExchange 成为了新一代的 HTTP 客户端实现方式。本文将深入分析 Apache SkyWalking 如何实现对 Spring WebFlux WebClient 6.x 和 HttpExchange 的支持,以及这对开发者意味着什么。
背景与现状
在 Spring Boot 3.x 中,HttpExchange 作为 org.springframework.boot.actuate.web.exchanges.HttpExchange 的一部分,提供了 GetExchange 和 PostExchange 等注解,成为开发者进行 HTTP 调用的新选择。然而,HttpExchange 底层依赖于 WebFlux 6.x 的 WebClient,这就带来了一个关键问题:如何在这种新的调用方式下保持请求的链路追踪连续性。
目前,当开发者使用 HttpExchange 进行请求时,SkyWalking 的追踪链路会出现中断,无法像传统方式那样完整记录整个调用过程。这给微服务架构下的问题排查和性能分析带来了挑战。
技术实现分析
要解决这个问题,需要从两个层面进行支持:
-
WebFlux 支持:作为异步框架,WebFlux 的调用逻辑可能被调度到不同线程执行,因此需要处理访问入口和访问出口两个部分。
-
WebClient 支持:HttpExchange 底层使用 WebClient 进行实际调用,需要确保在调用出口处能够正确传递上下文参数。
在技术实现上,SkyWalking 通过以下方式解决这个问题:
- 对于访问入口部分,已经通过相关代码合并实现了支持
- 对于访问出口部分,需要通过 WebClient 插件来实现,同时允许其他 API 通过工具包手动获取/设置上下文参数
实际效果
实现这一支持后,开发者可以:
- 在 Spring Boot 3.x 项目中自由使用 GetExchange 或 PostExchange 进行 HTTP 调用
- 保持完整的请求追踪链路,不再出现追踪中断的情况
- 获得与传统调用方式相同的可观测性体验
追踪效果将如下图所示(描述追踪链路图),能够清晰展示从入口到出口的完整调用过程。
总结
Apache SkyWalking 对 Spring WebFlux WebClient 6.x 和 HttpExchange 的支持,是适应 Spring 生态演进的重要更新。这一改进使得采用最新 Spring 技术的项目能够继续享受 SkyWalking 提供的强大可观测能力,为微服务架构下的应用监控提供了无缝体验。
对于正在考虑或已经升级到 Spring Boot 3.x 的团队来说,这一支持意味着可以在享受新版本特性的同时,不必牺牲系统的可观测性。这也是 SkyWalking 持续跟进主流技术发展,为开发者提供最佳体验的体现。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00